宋琴 方文 甘珂

摘? ?要：本文選取2007年3月—2020年6月美元、歐元、英鎊、日元和人民幣三個(gè)月LIBOR-OIS和SHIBOR-OIS數(shù)據(jù)，運(yùn)用VARMA-AGARCH模型，采用網(wǎng)絡(luò)拓?fù)浞治龇?，研究美?guó)、歐元區(qū)、英國(guó)、中國(guó)以及日本銀行間市場(chǎng)波動(dòng)性溢出效應(yīng)，并構(gòu)建波動(dòng)性溢出指數(shù)。研究發(fā)現(xiàn)：國(guó)際銀行間市場(chǎng)存在顯著的波動(dòng)性溢出效應(yīng)，條件波動(dòng)率不僅受到自身市場(chǎng)前期沖擊和波動(dòng)影響，還會(huì)受到其他市場(chǎng)干擾;金融危機(jī)和新冠肺炎疫情暴發(fā)期間，國(guó)際銀行間市場(chǎng)波動(dòng)性溢出效應(yīng)均顯著增強(qiáng)，并呈現(xiàn)動(dòng)態(tài)特征;美國(guó)對(duì)其他經(jīng)濟(jì)體銀行間市場(chǎng)波動(dòng)性溢出最大，且在危機(jī)時(shí)期急劇上升，因此，中國(guó)銀行間市場(chǎng)監(jiān)管要防范境外市場(chǎng)風(fēng)險(xiǎn)跨區(qū)域傳遞，尤其是美國(guó)市場(chǎng)波動(dòng)的輸入性沖擊。

關(guān)鍵詞：國(guó)際銀行間市場(chǎng);VARMA-AGARCH模型;波動(dòng)性溢出矩陣

中圖分類(lèi)號(hào)：F830.3? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1674-2265（2021）06-0070-08

DOI：10.19647/j.cnki.37-1462/f.2021.06.009

一、引言

現(xiàn)代金融系統(tǒng)呈現(xiàn)出復(fù)雜的網(wǎng)絡(luò)特征，傳統(tǒng)的“太大而不能倒”的原則，逐步轉(zhuǎn)向 “太關(guān)聯(lián)而不能倒”的理念。在開(kāi)放經(jīng)濟(jì)中，市場(chǎng)沖擊通過(guò)金融傳染，傳導(dǎo)至不同國(guó)家，易形成“發(fā)生—傳導(dǎo)—再傳導(dǎo)”循環(huán)。從20世紀(jì)的大蕭條到2008年的全球金融危機(jī)，以銀行為代表的金融機(jī)構(gòu)在金融風(fēng)險(xiǎn)傳染過(guò)程中發(fā)揮的作用，尤其是波動(dòng)性溢出效應(yīng)更是越來(lái)越受到理論界和實(shí)務(wù)界廣泛關(guān)注。

在中國(guó)金融體系中，銀行是主導(dǎo)機(jī)構(gòu)，銀行間市場(chǎng)是核心的基礎(chǔ)市場(chǎng)。劉沖和盤(pán)宇章（2013）[1]認(rèn)為銀行間市場(chǎng)和實(shí)體行業(yè)存在雙向反饋機(jī)制，并且會(huì)影響實(shí)體經(jīng)濟(jì)的健康發(fā)展。《中國(guó)金融監(jiān)管報(bào)告2018》認(rèn)為中國(guó)金融體系的系統(tǒng)性風(fēng)險(xiǎn)主要來(lái)自三個(gè)根源：一是來(lái)自中國(guó)宏觀經(jīng)濟(jì)周期性或結(jié)構(gòu)性變化對(duì)金融體系產(chǎn)生的系統(tǒng)性沖擊;二是來(lái)自金融體系內(nèi)部的自身演化和逐步累積的風(fēng)險(xiǎn);三是來(lái)自中國(guó)經(jīng)濟(jì)金融體系之外的外部風(fēng)險(xiǎn)溢出，主要是國(guó)際金融市場(chǎng)的影響。近年來(lái)，中國(guó)金融市場(chǎng)開(kāi)放程度逐步擴(kuò)大，銀行間市場(chǎng)與其他經(jīng)濟(jì)體聯(lián)系愈發(fā)緊密。金融風(fēng)險(xiǎn)跨區(qū)域傳遞以及境外市場(chǎng)的波動(dòng)性溢出會(huì)對(duì)本國(guó)市場(chǎng)產(chǎn)生沖擊，對(duì)中國(guó)金融監(jiān)管提出新要求。

因此，本文依據(jù)SDR貨幣籃子選取原則，對(duì)由美國(guó)、歐元區(qū)、英國(guó)、中國(guó)、日本等經(jīng)濟(jì)體所組成的國(guó)際銀行間市場(chǎng)進(jìn)行實(shí)證研究。在此基礎(chǔ)上，運(yùn)用VARMA-AGARCH模型研究各國(guó)市場(chǎng)的波動(dòng)性溢出效應(yīng)，并采用網(wǎng)絡(luò)拓?fù)浞治龇?gòu)建波動(dòng)性溢出指數(shù)，來(lái)衡量銀行間市場(chǎng)的波動(dòng)性溢出程度，以正確評(píng)估中國(guó)在全球風(fēng)險(xiǎn)傳遞鏈中的角色和地位。同時(shí)，本文還分析以新冠肺炎疫情為代表的突發(fā)性公共衛(wèi)生事件對(duì)國(guó)際銀行間市場(chǎng)波動(dòng)性溢出效應(yīng)的影響，從而為主動(dòng)應(yīng)對(duì)外部沖擊、保持金融穩(wěn)定與安全提供重要的參考依據(jù)。

二、文獻(xiàn)綜述

經(jīng)濟(jì)全球化使得全球金融市場(chǎng)的關(guān)聯(lián)愈發(fā)緊密，世界各國(guó)逐漸重視跨境市場(chǎng)的風(fēng)險(xiǎn)傳染效應(yīng)。Dornbusch等（2000）[2]認(rèn)為金融風(fēng)險(xiǎn)傳染是由金融市場(chǎng)關(guān)聯(lián)性所導(dǎo)致的傳染，通常指單一國(guó)家金融市場(chǎng)沖擊基于市場(chǎng)之間的聯(lián)系向其他國(guó)家傳遞的現(xiàn)象。Forbes和Rigobon（2002）[3]在總結(jié)了前人對(duì)亞洲金融危機(jī)時(shí)期股票市場(chǎng)的研究后，將金融風(fēng)險(xiǎn)傳染效應(yīng)定義為在市場(chǎng)劇烈動(dòng)蕩時(shí)期跨市場(chǎng)的相關(guān)性明顯增強(qiáng)的過(guò)程。世界銀行將金融風(fēng)險(xiǎn)傳染分為廣義傳染、嚴(yán)格傳染和十分嚴(yán)格傳染三個(gè)層次。廣義傳染指單一市場(chǎng)波動(dòng)會(huì)傳遞至其他市場(chǎng)，從而引發(fā)系統(tǒng)性風(fēng)險(xiǎn)，即波動(dòng)性溢出效應(yīng)，該效應(yīng)無(wú)論在經(jīng)濟(jì)危機(jī)時(shí)期還是經(jīng)濟(jì)平穩(wěn)時(shí)期均存在，也是在跨境風(fēng)險(xiǎn)防范中最需要注意的部分。

2008年金融危機(jī)之后，越來(lái)越多的學(xué)者注重對(duì)波動(dòng)性溢出效應(yīng)的研究，進(jìn)而為建立完善的風(fēng)險(xiǎn)預(yù)警機(jī)制提供思路。張兵等（2010）[4]等通過(guò)對(duì)中美股票市場(chǎng)聯(lián)動(dòng)性的研究發(fā)現(xiàn)，在QDII實(shí)施之后，美國(guó)股市對(duì)中國(guó)股市的開(kāi)盤(pán)價(jià)和收盤(pán)價(jià)均有顯著的引導(dǎo)作用。 Balli等（2015）[5]對(duì)2000—2013年美國(guó)、歐洲、日本等發(fā)達(dá)經(jīng)濟(jì)體股票市場(chǎng)對(duì)亞洲、中東、北美等區(qū)域20個(gè)新興國(guó)家股票市場(chǎng)溢出效應(yīng)進(jìn)行研究，發(fā)現(xiàn)發(fā)達(dá)經(jīng)濟(jì)體對(duì)新興市場(chǎng)存在顯著的溢出效應(yīng)，尤其是美國(guó)的溢出占據(jù)主導(dǎo)地位。此外，溢出效應(yīng)的程度受到兩國(guó)之間貿(mào)易規(guī)模、投資規(guī)模以及地理距離等因素的影響。

除了股票市場(chǎng)之外，銀行間市場(chǎng)也具有波動(dòng)性溢出特征，Ribeiro和Curto （2017）[6]以LIBOR-OIS利差作為代理變量，采用多元GARCH模型，研究發(fā)現(xiàn)美國(guó)、歐元區(qū)、英國(guó)、瑞士以及日本等發(fā)達(dá)經(jīng)濟(jì)體銀行間貨幣市場(chǎng)之間存在顯著的相關(guān)性和波動(dòng)性溢出效應(yīng)，并且呈現(xiàn)非對(duì)稱(chēng)的特征，即負(fù)向沖擊的影響顯著大于正向沖擊。對(duì)于銀行間市場(chǎng)的波動(dòng)性溢出渠道，Allen和Gale（2000）[7]研究認(rèn)為金融風(fēng)險(xiǎn)會(huì)通過(guò)銀行間的債權(quán)債務(wù)關(guān)系進(jìn)行傳遞，并且完全的債務(wù)結(jié)構(gòu)網(wǎng)絡(luò)比非完全的債務(wù)結(jié)構(gòu)網(wǎng)絡(luò)在應(yīng)對(duì)外部沖擊時(shí)更加富有彈性;而后Allen等（2009）[8]研究發(fā)現(xiàn)，當(dāng)銀行間市場(chǎng)面臨的異質(zhì)不確定性和總量不確定性無(wú)法進(jìn)行對(duì)沖時(shí)，整個(gè)市場(chǎng)的波動(dòng)率顯著上升。近年來(lái)，學(xué)者們認(rèn)為，銀行間市場(chǎng)的波動(dòng)性溢出主要通過(guò)信用違約和共同資產(chǎn)的持有等兩類(lèi)渠道進(jìn)行傳遞，銀行間同業(yè)市場(chǎng)網(wǎng)絡(luò)的暴露會(huì)顯著地增加違約風(fēng)險(xiǎn)和共同資產(chǎn)風(fēng)險(xiǎn)的傳染（Caccioli等，2014;Glasserman和Young，2015;Greenwood等，2015;Babus，2016）[9-12]。Roncoroni等（2019）[13]則進(jìn)行了進(jìn)一步總結(jié)，將銀行間市場(chǎng)的風(fēng)險(xiǎn)傳染渠道分為直接渠道和間接渠道。直接渠道指的是銀行間的雙邊聯(lián)系，如銀行間貸款網(wǎng)絡(luò)、互相持有對(duì)方有價(jià)證券等，當(dāng)某一家銀行或非銀金融機(jī)構(gòu)發(fā)生債務(wù)違約時(shí)，會(huì)使得與之具有直接聯(lián)系的金融機(jī)構(gòu)受到?jīng)_擊，資產(chǎn)負(fù)債表發(fā)生惡化;間接渠道指的是銀行面臨共同的潛在風(fēng)險(xiǎn)暴露，主要可以分為資產(chǎn)價(jià)格波動(dòng)和信息溢出效應(yīng)，由于銀行持有共同的資產(chǎn)，當(dāng)資產(chǎn)價(jià)格發(fā)生劇烈波動(dòng)時(shí)，風(fēng)險(xiǎn)會(huì)在銀行間迅速傳遞。此外，Roncoroni（2019）[13]還發(fā)現(xiàn)信息不對(duì)稱(chēng)會(huì)進(jìn)一步加劇負(fù)面消息對(duì)銀行間市場(chǎng)造成的沖擊。基于以上分析，本文提出以下假設(shè)：

假設(shè)1：國(guó)際銀行間市場(chǎng)具有金融風(fēng)險(xiǎn)傳染的特征，存在波動(dòng)性溢出效應(yīng)。

波動(dòng)性溢出并不是一成不變的，而是隨著時(shí)間的變化呈現(xiàn)出動(dòng)態(tài)的特征。Diebold和Yilamz（2009）[14]通過(guò)多元GARCH模型得到美國(guó)股票市場(chǎng)、債券市場(chǎng)、外匯市場(chǎng)以及大宗商品市場(chǎng)的條件波動(dòng)率序列，并運(yùn)用VAR模型下的方差分解構(gòu)建波動(dòng)性溢出矩陣，結(jié)果發(fā)現(xiàn)金融危機(jī)之前各市場(chǎng)間波動(dòng)性溢出相對(duì)平穩(wěn)，而金融危機(jī)爆發(fā)期間波動(dòng)性溢出顯著增強(qiáng)。Mensi等（2018）[15]以MSCI全球股票市場(chǎng)指數(shù)作為代理變量，對(duì)全球股票市場(chǎng)間的波動(dòng)性溢出效應(yīng)進(jìn)行研究，并采用滾動(dòng)窗口回歸對(duì)該效應(yīng)進(jìn)行了動(dòng)態(tài)分析，結(jié)果表明，在金融危機(jī)期間波動(dòng)性溢出效應(yīng)顯著增強(qiáng)，并且美國(guó)市場(chǎng)為凈的波動(dòng)性溢出國(guó)，其余經(jīng)濟(jì)體均為風(fēng)險(xiǎn)承受者。楊子暉和周穎剛（2018）[16]采用隱含波動(dòng)率作為未來(lái)市場(chǎng)實(shí)際波動(dòng)的代理變量，借助“有向無(wú)環(huán)圖技術(shù)方法”和網(wǎng)絡(luò)拓?fù)浞治龇椒▽?duì)全球金融風(fēng)險(xiǎn)溢出的動(dòng)態(tài)演變進(jìn)行分析，結(jié)果發(fā)現(xiàn)在金融市場(chǎng)劇烈動(dòng)蕩時(shí)期，全球各個(gè)金融市場(chǎng)的波動(dòng)性溢出效應(yīng)顯著增強(qiáng)，使得系統(tǒng)性金融風(fēng)險(xiǎn)迅速積聚。趙瓊和郭程翔（2019）[17]利用BEKK-GARCH 模型對(duì)英國(guó)脫歐前后英鎊與主要貨幣之間的波動(dòng)性及其溢出效應(yīng)進(jìn)行研究，發(fā)現(xiàn)英國(guó)脫歐前，英鎊與歐元、瑞士法郎以及人民幣之間存在較強(qiáng)的因果關(guān)系和相互波動(dòng)關(guān)系;然而在脫歐后，英鎊與人民幣之間不存在格蘭杰因果關(guān)系，人民幣與歐元、瑞士法郎之間的波動(dòng)溢出關(guān)系在減弱。新冠肺炎疫情的暴發(fā)，吸引了人們對(duì)國(guó)際金融風(fēng)險(xiǎn)跨境溢出效應(yīng)的關(guān)注，錢(qián)東平（2020）[18]運(yùn)用網(wǎng)絡(luò)分析法研究了在新冠肺炎疫情“黑天鵝”事件影響下的國(guó)際金融風(fēng)險(xiǎn)傳染特征，結(jié)果表明新冠肺炎疫情的暴發(fā)使得金融風(fēng)險(xiǎn)的跨市場(chǎng)傳染明顯加劇，同時(shí)存在著聚集現(xiàn)象。疫情暴發(fā)所引發(fā)的波動(dòng)性溢出具有結(jié)構(gòu)性特征，會(huì)從多個(gè)渠道對(duì)市場(chǎng)的正常運(yùn)行產(chǎn)生沖擊（吳振宇等，2020）[19]。方意和賈妍妍（2020）[20]對(duì)新冠肺炎疫情沖擊下外匯市場(chǎng)的波動(dòng)性溢出效應(yīng)進(jìn)行了研究，發(fā)現(xiàn)在疫情期間新興市場(chǎng)國(guó)家的波動(dòng)性溢出明顯上升，并且隨著每日確診病例的增加，風(fēng)險(xiǎn)水平持續(xù)攀升。劉精山（2021）[21]運(yùn)用TVP-VAR-SV模型研究了疫情對(duì)我國(guó)金融市場(chǎng)的動(dòng)態(tài)沖擊，發(fā)現(xiàn)波動(dòng)性溢出具有明顯的異質(zhì)性、時(shí)變性以及區(qū)域聚集性。基于上述分析，本文提出如下假設(shè)：

假設(shè)2：不同經(jīng)濟(jì)體的波動(dòng)性溢出程度不同，且呈現(xiàn)出時(shí)變、動(dòng)態(tài)的特征。

假設(shè)3：金融危機(jī)以及新冠肺炎疫情等“黑天鵝”事件的沖擊，會(huì)使得波動(dòng)性溢出程度急劇上升。

三、樣本、數(shù)據(jù)與實(shí)證模型

（一）數(shù)據(jù)說(shuō)明

現(xiàn)有文獻(xiàn)主要采用三個(gè)月LIBOR-OIS指標(biāo)作為銀行間市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)的代理變量。利差增大意味著銀行間普遍缺乏信心、惜貸情緒趨高，銀行間市場(chǎng)流動(dòng)性緊張。因此，本文選取三個(gè)月美元、歐元、英鎊、日元LIBOR-OIS分別作為美國(guó)、歐元區(qū)、英國(guó)以及日本銀行間市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)的代理變量。由于國(guó)內(nèi)缺乏相應(yīng)的OIS利率數(shù)據(jù)，本文參照美國(guó)芝加哥商品交易所三個(gè)月美元隔夜指數(shù)互換期貨設(shè)計(jì)原理計(jì)算人民幣OIS利率，計(jì)算公式如下：

[OIS=i=1n（1+di360×ri100）-1×360D×100] （1）

其中，[D]表示參考期內(nèi)實(shí)際天數(shù)，[di]表示相鄰兩個(gè)交易日之間的間隔天數(shù)，[n]表示參考期內(nèi)實(shí)際交易天數(shù)。[ri]是用于計(jì)算的標(biāo)的利率，本文選取隔夜SHIBOR作為計(jì)算人民幣OIS利率的計(jì)算標(biāo)的，在此基礎(chǔ)上計(jì)算三個(gè)月SHIBOR-OIS利差，衡量我國(guó)銀行間市場(chǎng)流動(dòng)性風(fēng)險(xiǎn)。

依據(jù)數(shù)據(jù)的可獲得性，本文所選取的樣本區(qū)間為2007年3月1日—2020年6月22日，數(shù)據(jù)來(lái)源于彭博數(shù)據(jù)庫(kù)和萬(wàn)得數(shù)據(jù)庫(kù)。

（二）VARMA-AGARCH模型

以多元GARCH模型為代表的計(jì)量方法對(duì)研究不同市場(chǎng)間關(guān)系提供極大的技術(shù)支持。Bollerslev （1990）[22]提出的CCC-GARCH模型可用來(lái)分析多個(gè)序列間的相關(guān)性，設(shè)定形式如下：

[yt=E（ytFt-1）+εt]

[εt=Dtηt]? ? ? （2）

[Var（εtFt-1）=Ht=DtΓDt]

其中，[Ft]為到[t]期為止的所有信息集;[ηt=（η1t，…，ηmt）]是標(biāo)準(zhǔn)化殘差序列;[Dt=dingh121t，…，h12mt]

是一個(gè)對(duì)角陣，對(duì)角線上的元素為各個(gè)市場(chǎng)擾動(dòng)項(xiàng)的條件標(biāo)準(zhǔn)差，并隨時(shí)間變化而變化;[Γ=ρij]是一個(gè)對(duì)稱(chēng)的恒定的條件相關(guān)系數(shù)矩陣，即[ρij=ρji]，且[ρij>0]。假定[hit]服從GRGARCH（r，s）形式：

[hit=ωi+l=1rαilε2it-1+l=1Sβilhit-1]? （3）

CCC-GARCH模型只考慮各時(shí)間序列間相關(guān)性，并未分析各序列間波動(dòng)率的相互作用。VARMA-GARCH模型則設(shè)定單一市場(chǎng)的條件波動(dòng)率，除了與自身市場(chǎng)的前期沖擊和前期波動(dòng)率相關(guān)，也會(huì)受到其他市場(chǎng)的前期沖擊以及前期條件波動(dòng)率的影響。模型設(shè)定如下所示：

[Φ（L）（yt-μ）=Ψ（L）εt]

[εt=Dtηt]

[ht=w+l=1rAlεt-1+l=1sBlht-1]

[Φ（L）=Im-Φ1L-…-ΦpLp]，[Ψ（L）=Im-Ψ1L-…-ΨqLq]為滯后算子多項(xiàng)式，[w]是常數(shù)向量，[ε=（ε21t，…，ε2mt）]、[ε=（ε21t，…，ε2mt）]、[ht=（h1t，…，hmt）]、[A1（l=1，…，r）]和[B1（l=1，…，s）] 為[m×m]的系數(shù)矩陣，分別代表ARCH效應(yīng)和GARCH效應(yīng)。波動(dòng)性溢出效應(yīng)可通過(guò)跨市場(chǎng)擾動(dòng)項(xiàng)和條件波動(dòng)率系數(shù)來(lái)體現(xiàn)，考慮到正負(fù)市場(chǎng)沖擊對(duì)條件波動(dòng)率存在非對(duì)稱(chēng)影響， VARMA-AGARCH模型對(duì)條件方差方程做出如下改進(jìn)：

[ht=w+l=1rAlεt-1+l=1rClI（ηt-1）εt-1+l=1sB1ht-1]? （4）

其中，[I（ηt）=diang（I（ηit））] 是一個(gè)示性函數(shù)，即：

[I（ηit）=1，? if εit<00，? if εit≥0]? ?（5）

[Cl]是[m×m]的系數(shù)矩陣，如果回歸結(jié)果在統(tǒng)計(jì)上顯著，那么正負(fù)沖擊對(duì)條件波動(dòng)率存在非對(duì)稱(chēng)特征。

（三）波動(dòng)性溢出矩陣

為進(jìn)一步明確國(guó)際銀行間市場(chǎng)的相互作用，本文依據(jù)Diebold和Yilmaz （2009）[14]提出的網(wǎng)絡(luò)拓?fù)浞治龇椒ǎ陬A(yù)測(cè)誤差方差分解基礎(chǔ)上構(gòu)建波動(dòng)性溢出矩陣。Matthias和Gisler （2015）[23]嘗試將協(xié)方差加入VAR模型的輸入值，并與只將方差作為輸入值的結(jié)果進(jìn)行對(duì)比，發(fā)現(xiàn)波動(dòng)性溢出指數(shù)顯著提高，說(shuō)明考慮各市場(chǎng)對(duì)整個(gè)銀行間系統(tǒng)的聯(lián)合作用至關(guān)重要。因此，本文VAR輸入變量為VARMA-AGARCH模型估計(jì)的方差和協(xié)方差，并基于預(yù)測(cè)誤差方差分解，構(gòu)造波動(dòng)性溢出矩陣（見(jiàn)表1）。

在該溢出矩陣中，第一行變量為波動(dòng)性溢出的輸出方，第一列表示波動(dòng)性溢出的吸收方。運(yùn)用預(yù)測(cè)誤差方差分解，本文將第[j]個(gè)變量的正交化沖擊對(duì)第[i]個(gè)變量向前H期預(yù)測(cè)均方誤差的貢獻(xiàn)比例定義為[j]市場(chǎng)對(duì)[i]市場(chǎng)的波動(dòng)性溢出，即：

[Si←j=h=0H-1a2h，ijh=0H-1trace（AhA'h）×100]? （6）

[h=0H-1a2h，ij]表示因市場(chǎng)[j]的沖擊而引發(fā)市場(chǎng)[i]波動(dòng)在預(yù)測(cè)期為H的誤差方差，[h=0H-1trace（AhA'h）]為H期的總體預(yù)測(cè)誤差方差。[Si←j]表示由市場(chǎng)[j]的波動(dòng)沖擊而導(dǎo)致市場(chǎng)[i]變動(dòng)的比重，[Sj←i]為市場(chǎng)[i]的擾動(dòng)導(dǎo)致市場(chǎng)[j]變動(dòng)的比重，因此，可以有效地從兩兩對(duì)應(yīng)的角度衡量市場(chǎng)之間的波動(dòng)溢出強(qiáng)度?！癘UT”所在行元素表示各列非對(duì)角線上元素的和，衡量某一市場(chǎng)對(duì)其他市場(chǎng)波動(dòng)性溢出效應(yīng);“IN”所在列的元素表示各行非對(duì)角線上元素的和，衡量其他市場(chǎng)對(duì)某一市場(chǎng)的波動(dòng)性溢出，即該市場(chǎng)的波動(dòng)性吸收;兩者相減則可表示某一市場(chǎng)凈波動(dòng)性溢出效應(yīng)。在此基礎(chǔ)上，對(duì)“OUT”所在行元素或者“IN”所在列元素加總并求平均值，計(jì)算波動(dòng)性溢出指數(shù)，有效衡量整個(gè)系統(tǒng)波動(dòng)性溢出效應(yīng)。

四、實(shí)證分析

（一）描述性分析

表2報(bào)告了變量的描述性統(tǒng)計(jì)特征，其中，美元（US）、歐元（EUR）、英鎊（UK）、日元（JPN）分別為三個(gè)月的LIBOR-OIS，人民幣（CHN）為三個(gè)月SHIBOR-OIS，單位為基點(diǎn)，即萬(wàn)分之一。結(jié)果顯示，樣本數(shù)據(jù)的極差和標(biāo)準(zhǔn)差均較大（尤其是中國(guó)、英國(guó)和美國(guó)），說(shuō)明國(guó)際銀行間市場(chǎng)波動(dòng)劇烈。JB統(tǒng)計(jì)量的值顯著異于零，樣本時(shí)間序列不服從正態(tài)分布的假設(shè)，可考慮采用GARCH族模型進(jìn)行實(shí)證分析。

（二）平穩(wěn)性檢驗(yàn)和ARCH效應(yīng)檢驗(yàn)

由于ADF檢驗(yàn)和PP檢驗(yàn)易犯第二類(lèi)錯(cuò)誤，檢驗(yàn)功效相對(duì)較低。本文采取KPSS平穩(wěn)性檢驗(yàn)，該檢驗(yàn)原假設(shè)為“時(shí)間序列平穩(wěn)”。本文依據(jù)序貫t規(guī)則確定平穩(wěn)性檢驗(yàn)的滯后階數(shù)，結(jié)果顯示序列非平穩(wěn)。對(duì)所有數(shù)據(jù)進(jìn)行一階差分處理之后，都通過(guò)了平穩(wěn)性檢驗(yàn)。差分后數(shù)據(jù)存在明顯的波動(dòng)性聚集現(xiàn)象（見(jiàn)圖1），且在金融危機(jī)、歐債危機(jī)以及新冠肺炎疫情暴發(fā)期間均存在劇烈波動(dòng)。另外，本文采取ARCH-LM異方差檢驗(yàn)（見(jiàn)表3），結(jié)果顯示存在條件異方差，可采用GARCH族模型進(jìn)行分析。

（三）國(guó)際銀行間市場(chǎng)波動(dòng)性溢出效應(yīng)分析

本文采用VARMA-AGARCH模型研究國(guó)際銀行間市場(chǎng)的波動(dòng)性溢出效應(yīng)，根據(jù)AIC和SIC信息準(zhǔn)則，將均值方程設(shè)置為ARMA（1，1）的形式，ARCH項(xiàng)和GARCH項(xiàng)的滯后階數(shù)均設(shè)定為1，即對(duì)于VARMA-AGARCH模型[p=q=r=s=1]。由于篇幅限制，表4僅列示方差方程估計(jì)結(jié)果。其中，ARCH項(xiàng)系數(shù)和GARCH項(xiàng)系數(shù)在統(tǒng)計(jì)上是顯著的，說(shuō)明市場(chǎng)波動(dòng)率會(huì)受到自身市場(chǎng)前期沖擊和條件波動(dòng)率的影響。我國(guó)銀行間市場(chǎng)波動(dòng)除了受到自身沖擊和前期波動(dòng)影響，還會(huì)受到美國(guó)、歐元區(qū)、英國(guó)以及日本銀行間市場(chǎng)短期和長(zhǎng)期波動(dòng)影響?？梢?jiàn)，金融一體化不僅加速了國(guó)際資本的跨境流動(dòng)，而且增強(qiáng)了金融風(fēng)險(xiǎn)的傳染效應(yīng)。此外，參數(shù)[γ]均在1%的水平下顯著，說(shuō)明負(fù)的市場(chǎng)沖擊對(duì)市場(chǎng)波動(dòng)的影響大于正的市場(chǎng)沖擊，即市場(chǎng)沖擊存在非對(duì)稱(chēng)性的特征。在金融市場(chǎng)劇烈動(dòng)蕩時(shí)期，我國(guó)與其他國(guó)家（地區(qū)）銀行間市場(chǎng)的波動(dòng)性溢出效應(yīng)顯著增強(qiáng)。

通過(guò)VARMA-AGARCH模型證實(shí)了美國(guó)、歐元區(qū)、英國(guó)、中國(guó)以及日本等銀行間市場(chǎng)存在波動(dòng)性溢出效應(yīng)，但對(duì)于溢出的方向和溢出的程度無(wú)法作出具體判斷。因此，本文參照第三部分提到的方法構(gòu)建波動(dòng)性溢出矩陣，用VARMA-AGARCH模型得到的方差和協(xié)方差作為VAR輸入值，依據(jù)信息準(zhǔn)則，VAR滯后長(zhǎng)度選為2，預(yù)測(cè)窗寬定為10天。具體結(jié)果如表5所示。

全樣本期間，整個(gè)國(guó)際銀行間市場(chǎng)波動(dòng)性溢出總效應(yīng)為86.30%。在由中國(guó)、美國(guó)、歐元區(qū)、英國(guó)以及日本所構(gòu)成的國(guó)際銀行間系統(tǒng)中，美國(guó)波動(dòng)性溢出最大，達(dá)到490.90%，對(duì)英國(guó)和日本的溢出尤為明顯。美元是全球最重要的儲(chǔ)備貨幣，借助美元霸權(quán)，美國(guó)金融市場(chǎng)對(duì)其他經(jīng)濟(jì)體的金融市場(chǎng)有著重大影響。歐元區(qū)波動(dòng)性溢出僅次于美國(guó)，高達(dá)388.94%。在歐債危機(jī)期間LIBOR-OIS利差一度擴(kuò)大到100bp左右，整個(gè)國(guó)際銀行間市場(chǎng)流動(dòng)性空前緊張。英國(guó)波動(dòng)性溢出排在第三位，達(dá)到100.89%。近年來(lái)，英國(guó)脫歐進(jìn)程的跌宕起伏給全球銀行間市場(chǎng)帶來(lái)了極大的不確定性。日本的波動(dòng)性溢出為45.13%，略高于中國(guó)。但是，考慮到協(xié)方差序列后，美國(guó)和中國(guó)共同的波動(dòng)性溢出達(dá)到61.70%，甚至高于美國(guó)和歐元區(qū)的共同溢出。2010年，我國(guó)GDP總量超過(guò)日本成為世界第二大經(jīng)濟(jì)體。隨著“一帶一路”倡議的不斷推進(jìn)以及金融市場(chǎng)擴(kuò)大開(kāi)放，中國(guó)經(jīng)濟(jì)對(duì)全球經(jīng)濟(jì)影響持續(xù)擴(kuò)大。從“NS”列來(lái)看，美國(guó)、歐元區(qū)、英國(guó)的凈波動(dòng)性溢出是正的，說(shuō)明當(dāng)前國(guó)際銀行間市場(chǎng)的重心仍然在歐美地區(qū)。

（四）危機(jī)期間波動(dòng)性溢出效應(yīng)分析

已有文獻(xiàn)研究發(fā)現(xiàn)，在危機(jī)期間金融市場(chǎng)的波動(dòng)性溢出程度明顯高于市場(chǎng)平穩(wěn)時(shí)期，并且本文在VARMA-AGARCH的實(shí)證結(jié)果中也發(fā)現(xiàn)市場(chǎng)沖擊對(duì)波動(dòng)性溢出的影響存在非對(duì)稱(chēng)性，即負(fù)的市場(chǎng)沖擊對(duì)市場(chǎng)波動(dòng)的影響大于正的沖擊。因此，本文分別對(duì)金融危機(jī)期間以及新冠肺炎疫情暴發(fā)階段國(guó)際銀行間市場(chǎng)的波動(dòng)性溢出網(wǎng)絡(luò)進(jìn)行分析，并與全樣本結(jié)果進(jìn)行對(duì)比①。金融危機(jī)區(qū)間為 2007年8月9日危機(jī)初次顯現(xiàn)到2008年9月15日雷曼兄弟申請(qǐng)破產(chǎn)危機(jī)達(dá)到高潮，新冠肺炎疫情區(qū)間為2020年1月1日至6月22日，具體結(jié)果見(jiàn)表6。

金融危機(jī)期間，國(guó)際銀行間市場(chǎng)波動(dòng)性溢出總效應(yīng)高達(dá)89.18%，相對(duì)于全樣本，該值明顯提高，且美國(guó)的波動(dòng)性溢出達(dá)到了830.35%，遠(yuǎn)高于全樣本的490.90%，說(shuō)明市場(chǎng)風(fēng)險(xiǎn)迅速?gòu)拿绹?guó)傳導(dǎo)至其他經(jīng)濟(jì)體，使全球銀行間市場(chǎng)陷入低迷。金融危機(jī)以美國(guó)為中心跨境擴(kuò)散，對(duì)其他經(jīng)濟(jì)體的市場(chǎng)穩(wěn)定造成強(qiáng)烈沖擊，美國(guó)對(duì)我國(guó)銀行間市場(chǎng)的溢出也上升到33.88%，遠(yuǎn)高于全樣本期間的5.54%。因此，在全球市場(chǎng)動(dòng)蕩時(shí)期，中國(guó)監(jiān)管當(dāng)局應(yīng)重點(diǎn)注意美國(guó)市場(chǎng)異常波動(dòng)，防止市場(chǎng)風(fēng)險(xiǎn)通過(guò)國(guó)際銀行間市場(chǎng)傳導(dǎo)至國(guó)內(nèi)。

新冠肺炎疫情的暴發(fā)對(duì)全球經(jīng)濟(jì)造成了重大影響。在疫情暴發(fā)期間，國(guó)際銀行間市場(chǎng)波動(dòng)性溢出指數(shù)高達(dá)93.92%，明顯高于全樣本的86.30%，甚至超過(guò)了金融危機(jī)時(shí)期。美國(guó)的波動(dòng)性溢出較全樣本期間急劇上升，達(dá)到了822.05%，略低于金融危機(jī)期間的830.35%。以新冠肺炎疫情為代表的全球性突發(fā)公共衛(wèi)生事件在短期對(duì)市場(chǎng)的沖擊不亞于金融危機(jī)。我國(guó)在疫情期間溢出更是上升到第二位，達(dá)到165.58%。如果在對(duì)疫情的防控以及政策應(yīng)對(duì)上不夠及時(shí)，則有可能進(jìn)一步惡化市場(chǎng)。金融機(jī)構(gòu)業(yè)務(wù)不可避免受到?jīng)_擊，貸款逾期率和不良率上升以及債券違約事件增加，導(dǎo)致流動(dòng)性風(fēng)險(xiǎn)和信用違約風(fēng)險(xiǎn)積聚，企業(yè)破產(chǎn)風(fēng)險(xiǎn)急劇增高。因此，各國(guó)紛紛開(kāi)始向市場(chǎng)注入“無(wú)限流動(dòng)性”。

波動(dòng)性溢出效應(yīng)在金融危機(jī)和新冠肺炎疫情時(shí)期大幅增強(qiáng)，一方面，是因?yàn)橥话l(fā)性的危機(jī)事件使得各銀行間市場(chǎng)出現(xiàn)惜貸情緒，造成整個(gè)市場(chǎng)流動(dòng)性的缺失;另一方面，則是因?yàn)檫@類(lèi)“黑天鵝”事件激發(fā)了投資者的恐慌情緒，進(jìn)一步演化為對(duì)資產(chǎn)的拋售，導(dǎo)致其價(jià)格暴跌，如疫情期間美股在3月9日、3月12日、3月16日、3月18日短短10天內(nèi)出現(xiàn)四次熔斷。

為了分析整個(gè)樣本期間波動(dòng)性溢出效應(yīng)的動(dòng)態(tài)特征，研究市場(chǎng)危機(jī)與波動(dòng)性溢出程度的關(guān)系，本文參考Ribeiro（2017）[6]的研究方法，以200天為滾動(dòng)窗口，對(duì)VAR（2）模型重新進(jìn)行估計(jì)，并依據(jù)預(yù)測(cè)誤差方差分解，計(jì)算動(dòng)態(tài)波動(dòng)性溢出指數(shù)（見(jiàn)圖2）。從圖2可以發(fā)現(xiàn)，在金融危機(jī)期間整個(gè)市場(chǎng)的溢出效應(yīng)顯著增強(qiáng)，且在2008年中期發(fā)生劇烈波動(dòng)，而后隨著各國(guó)紛紛采取相應(yīng)的救市措施，溢出有所下降，但歐債危機(jī)爆發(fā)后又有所上升。2014—2015年全球股市發(fā)生劇烈動(dòng)蕩，國(guó)際銀行間市場(chǎng)也遭受相應(yīng)沖擊，波動(dòng)性溢出指數(shù)一度超過(guò)90%。2019年第二季度至今，市場(chǎng)的波動(dòng)性溢出指數(shù)持續(xù)上升，國(guó)際銀行間市場(chǎng)風(fēng)險(xiǎn)溢價(jià)急劇上漲，波動(dòng)性溢出效應(yīng)顯著增強(qiáng)。原因在于，2019年我國(guó)與美國(guó)的貿(mào)易摩擦給全球經(jīng)濟(jì)帶來(lái)巨大的不確定性;新冠肺炎疫情使得原本不確定的經(jīng)濟(jì)在短期內(nèi)遭受劇烈沖擊，全球性危機(jī)的征兆初步浮現(xiàn)。

五、結(jié)論

隨著中國(guó)金融開(kāi)放的程度不斷提高，銀行間市場(chǎng)與其他經(jīng)濟(jì)體的聯(lián)系愈發(fā)緊密，本國(guó)市場(chǎng)的穩(wěn)定性易受到國(guó)際市場(chǎng)沖擊。由實(shí)證結(jié)果可知，國(guó)際銀行間市場(chǎng)存在顯著的波動(dòng)性溢出效應(yīng)，且美國(guó)是整個(gè)市場(chǎng)中最大的風(fēng)險(xiǎn)輸出方和全球金融風(fēng)險(xiǎn)中心。全球性金融危機(jī)和突發(fā)公共衛(wèi)生事件等負(fù)面沖擊會(huì)使得波動(dòng)性溢出急劇上升。波動(dòng)性溢出指數(shù)呈現(xiàn)動(dòng)態(tài)特征，在市場(chǎng)風(fēng)險(xiǎn)溢價(jià)上升時(shí)顯著增強(qiáng)。因此，中國(guó)監(jiān)管當(dāng)局應(yīng)強(qiáng)化銀行資產(chǎn)負(fù)債管理，提高銀行間市場(chǎng)風(fēng)險(xiǎn)管理水平，實(shí)時(shí)捕捉美國(guó)銀行間市場(chǎng)動(dòng)態(tài)規(guī)律，完善國(guó)際銀行間市場(chǎng)風(fēng)險(xiǎn)預(yù)警機(jī)制，有效遏制銀行間市場(chǎng)的跨境傳導(dǎo)，健全金融協(xié)調(diào)監(jiān)管機(jī)制，及時(shí)采取有效措施應(yīng)對(duì)突發(fā)公共衛(wèi)生事件等“黑天鵝”所引起的負(fù)面沖擊，防止因金融市場(chǎng)震蕩而產(chǎn)生系統(tǒng)性風(fēng)險(xiǎn)。

注：

①由于篇幅限制，本文僅列示了部分結(jié)果。

參考文獻(xiàn)：

[1]劉沖， 盤(pán)宇章. 銀行間市場(chǎng)與金融穩(wěn)定——理論與證據(jù) [J].金融研究，2013，（12）.

[2]Dornbusch R，Park Y C，Classens S. 2000. Contagion：Understanding How It Spreads [J].World Bank Research Observer，15（2）.

[3]Forbes K J，Rigobon R. 2002. No Contagion，Only Independence：Measuring Stock Market Comovements [J].The Journal of Finance，57（5）.

[4]張兵，范致鎮(zhèn)，李心丹.中美股票市場(chǎng)的聯(lián)動(dòng)性研究[J].經(jīng)濟(jì)研究，2010，45（11）.

[5]Balli F，Hajhoj H R，Basher S A，Ghassan H B. 2015. An Analysis of Returns and Volatility Spillovers and Their Determinants in Emerging Asian and Middle Eastern Countries [J].International Review of Economics and Finance，39（2）.

[6]Ribeiro P P，Curto D C. 2017. Volatility Spillover Effects in Interbank Money Markets [J].Review of World Economics，153（9）.

[7]Allen F，Gale D. 2000. Financial Contagion [J].The Journal of Political Economy，108（1）.

[8]Allen F，Carletti E，Gale D. 2009. Interbank Market Liquidity and Central Bank Intervention [J].Journal of Monetary Economics， 56（1）.

[9]Caccioli F，Shrestha M，Moore C，F(xiàn)armer J D. 2014. Stability Analysis of Financial Contagion due to Overlapping Portfolios [J].Journal of Banking & Finance，46（3）.

[10]Glassrman P，Young H P. 2015. How Likely is Contagion in Financial Networks？ [J].Journal of Baking & Finance，50（1）.

[11]Greenwood R，Landier A，Thesmar A. 2015. Vulnerable Banks [J].Journal of Financial Economics，115（3）.

[12]Babus A. 2016. The Formation of Financial Networks [J].The Rand Journal of Economics，47（2）.

[13]Roncoroni A，Battiston S，D'Errico M，et al. 2019. Interconnected Banks and Systemically Important Exposures[R].ECB Working Paper，No. 2331.

[14]Diebold F X，Yilmaz K. 2009. Measuring Financial Asset Return and Volatility Spillovers，with Application to Global Equity Markets [J].Economic Journal，119（2）.

[15]Mensi W，Boubaker F Z，Al-Yahyaee K H，Kang S H. 2018. Dynamic Volatility Spillovers and Connectedness Between Global，Regional，and GIPSI Stock Markets [J].Finance Research Letters，25（3）.

[16]楊子暉，周穎剛.全球系統(tǒng)性金融風(fēng)險(xiǎn)溢出與外部沖擊 [J].中國(guó)社會(huì)科學(xué)，2018，（12）.

[17]趙瓊，郭程翔.英國(guó)脫歐前后英鎊與主要貨幣之間的波動(dòng)性及其溢出效應(yīng)研究 [J].經(jīng)濟(jì)問(wèn)題，2019，（11）.

[18]錢(qián)東平.新冠肺炎疫情加劇了國(guó)際金融風(fēng)險(xiǎn)傳染嗎？ [J].當(dāng)代金融研究，2020，（5）.

[19]吳振宇，朱鴻鳴，朱俊生.新冠肺炎疫情對(duì)金融運(yùn)行的影響及政策建議 [J].經(jīng)濟(jì)縱橫，2020，（3）.

[20]方意，賈妍妍.新冠肺炎疫情沖擊下全球外匯市場(chǎng)風(fēng)險(xiǎn)傳染與中國(guó)金融風(fēng)險(xiǎn)防控 [J].當(dāng)代經(jīng)濟(jì)科學(xué)，2021，（1）.

[21]劉精山.新冠肺炎疫情沖擊背景下金融風(fēng)險(xiǎn)的傳導(dǎo)與防范研究——基于金融壓力視角的實(shí)證分析 [J].華北金融，2021，（1）.

[22]Bollerslev T. 1990. Modelling the Coherence in Short-run Nominal Exchange Rate：A Multivariate Generalized ARCH Approach [J].Review of Economics and Statistics，72（3）.

[23]Matthias R F，Gilser I M. 2015. A Variance Spillover Analysis Without Covariances：What do We Miss？ [J]. Journal of International Money and Finance，51（3）.

Research on the Volatility Spillover Effects Among the International Interbank Market from the Perspective of Network

Song Qin/Fang Wen/Gan Ke

（School of Economics and Business Administration，Central China Normal University，Wuhan? ?430079，Hubei，China）

Abstract：This paper selects the three-month LIBOR-OIS and SHIBOR-OIS data of USD，EUR，GBP，JPY and RMB from March 2007 to June 2020，and uses the VARMA-AGARCH model and network topology analysis to study the volatility spillover effects in the interbank markets of US，Eurozone，UK，China and Japan. And the volatility spillover indices are also constructed. It is found that： there are significant volatility spillover effects in the international interbank market，where conditional volatility is affected not only by prior shocks and volatility in its own market，but also by disturbances of other markets;volatility spillover effects in international interbank markets increased significantly during both the financial crisis and the outbreak of COVID-19，showing dynamic characteristics; the volatility spillover from the U.S. to the interbank market in other economies is the largest and rises sharply in times of crisis，so China's interbank market supervision should guard against cross-regional transmission of foreign market risks，especially the imported shocks from U.S. market volatility.

Key Words：international interbank market，VARMA-AGARCH model，volatility spillover matrix